EEN KORT OVERZICHT VAN DATA WAREHOUSING EN OLAP
|
|
- Ruth Janssen
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 EEN KORT OVERZICHT VAN DATA WAREHOUSING EN OLAP Professeur, Université de Mons-Hainaut (UMH) - Institut d'informatique Veel organisaties hebben in de loop der jaren een overstelpende hoeveelheid gegevens verzameld in diverse database-systemen. De term "data warehousing" omvat de technologie om deze operationele en historische gegevens in een geïntegreerde en samengevatte vorm beschikbaar te maken voor de bedrijfsvoering van een organisatie. Het analyseren en verwerken van deze geaggregeerde informatie staat bekend onder termen als "OLAP (Online Analytical Processing)" en "data mining". Dit artikel geeft een beknopt overzicht van deze nieuwe technologieën, die de laatste jaren in een stroomversnelling zijn geraakt. Au fil des années, de nombreuses entreprises ont accumulé d'énormes quantités de données dans différents systèmes de bases de données. La notion de "data warehousing" désigne la technologie conçue en vue de rendre ces données opérationnelles et historiques disponibles pour la gestion d'une organisation dans une forme intégrée et condensée. L'analyse et l'exploitation de cette information agrégée est connue sous les appellations "OLAP (Online Analytical Processing)" et "data mining". Cet article donne un bref aperçu de ces nouvelles technologies, très en vogues ces dernières années. S inds de jaren zestig hebben onderzoek en ontwikkelingen in databases zich toegelegd op de automatisatie van repetitieve taken (of "transacties"), hetgeen thans aangeduid wordt met de term online transaction processing (OLTP). Dit onderzoek heeft onder andere geleid tot de zeer succesvolle relationele databasesystemen. Veel bedrijven hebben in de loop der jaren een overstelpende hoeveelheid gegevens verzameld in dergelijke databases. Deze historische en operationele gegevens verhullen vaak een schat aan kennis over het bedrijf en de business, in de vorm van verborgen regels, trends, patronen... Een nieuwe uitdaging is om deze onbekende kennis te onthullen en bruikbaar te maken voor de bedrijfsvoering. Dit heeft geleid tot drie nieuwe technologische ontwikkelingen op het vlak van beslissingsondersteunende systemen (decision support systems): Dit is een acroniem voor online analytical processing: het interactief analyseren van de gegevens in het data warehouse, waarbij de gegevens doorgaans voorgesteld en gemanipuleerd worden in de vorm van multidimensionale matrices of spreadheets, aangeduid met de term gegevenskubus (data cube). Data mining. Het exploreren van de gegevens op zoek naar interessante, nieuwe kennis (regels, trends, patronen ). Er bestaat geen scherpe grens tussen OLAP en data mining. In OLAP zal de analist gewoonlijk precieze instructies geven, bijvoorbeeld over het deel van de gegevens waarop gefocust moet Data warehousing De OLTP gegevens zijn vaak verspreid over verschillende systemen, sterk gedetailleerd en/of van slechte kwaliteit. Data warehousing omvat het integreren, samenvatten en zuiveren van deze gegevens in een nieuwe opslagplaats, teneinde ze bruikbaar te maken voor analyse. OLAP Fig. 1: Verschillende karakteristieken van transactionele en beleidsondersteunende systemen. worden. In data mining zal het systeem vaak zelf die focus bepalen. Zo is de vraag "Geef per maand het aantal abonnees dat ons verlaten heeft in het voorbije jaar", een typische OLAP query l, terwijl een data mining query eerder zou vragen "Welke factoren beïnvloeden het verlies van abonnees?". Figuur 1 toont dat OLAP andere technologische eisen stelt dan het traditionele OLTP. Transactionele databases zijn afgestemd op een typische, gekende OLTP werklast. Het toevoegen van complexe OLAP queries aan deze werklast zou kun- Cahiers de la documentation Bladen voor documentatie 2006/1 19
2 Een kort overzicht van Data Warehousing en OLAP nen leiden tot een onacceptabele performantie van het gehele systeem. Dit is een bijkomende reden om een data warehouse te bouwen los van de bestaande transactionele databases. Dit artikel is gestructureerd als volgt. Sectie 2 definieert het concept "data warehouse" en legt uit welke de verschillende stappen zijn bij de constructie van een data warehouse. Het concept "data mart" komt hier eveneens ter sprake. Sectie 3 gaat dieper in op het gegevensmodel en de queries in een OLAP omgeving. De termen ROLAP en MOLAP worden verduidelijkt. Sectie 4 duidt aan wat het verschil is tussen data mining en OLAP. Het was niet ons opzet om diep in te gaan op het onderwerp data mining. Sectie 5 geeft een visie op toekomstige ontwikkelingen op het vlak van data warehousing. Sectie 6 beschrijft een praktijkervaring. Sectie 7 eindigt met een persoonlijke keuze uit de literatuur. Data warehouse Wat is een data warehouse? Referentie (2) definieert een data warehouse als een subject-georiënteerde, geïntegreerde, nietvluchtige, historische gegevensopslagplaats ter ondersteuning van de besluitvorming op het niveau van het management van een bedrijf. We lichten deze termen kort toe. Subject-georiënteerd en geïntegreerd OLTP gegevens zijn vaak verpreid over verschillende databases die elk een bepaalde applicatie (facturering, levering, productie, ) ondersteunen. Deze gegevens worden in een data warehouse geïntegreerd en georganiseerd rond bepaalde onderwerpen (klant, product, leverancier, ). Niet-vluchtig en historisch Wat is een data mart? Veel bedrijven wensen één enkel data warehouse te bouwen voor de ondersteuning van het geheel van beslissingsondersteunende activiteiten. De constructie van een data warehouse dat het ganse bedrijf omspant, is evenwel een complex proces dat een uitgebreide modellering van de business vereist en verschillende jaren in beslag kan nemen. Sommige bedrijven kiezen daarom voor data marts, die kunnen omschreven worden als departementale data warehouses gefocust op een specifiek onderdeel van de business. Een voorbeeld is een marketing data mart met informatie rond de onderwerpen klant, product en verkoop. Deze data marts kunnen sneller gerealiseerd worden omdat ze geen consensus op het bedrijfsniveau vereisen, maar kunnen op lange termijn tot complexe integratieproblemen leiden indien geen compleet business model voorhanden is. Zelfs als er een geïntegreerd data warehouse bestaat, kan het om redenen van flexibiliteit en performantie interessant zijn om data marts te extraheren uit het data warehouse. Constructie van een data warehouse De constructie en het onderhoud van een data warehouse is een complexe bezigheid, die verschillende taken omvat. Voor elk van deze taken zijn commerciële hulpmiddelen beschikbaar. Figuur 2 geeft een schematisch overzicht van de verschillende fasen en componenten betrokken bij data warehousing. Extractie Extractie is het proces dat gegevens onttrekt aan de transactionele databases en andere gegevensbronnen. Het betreft typisch een (nachtelijk) batch proces, vaak verschillende subprocessen in parallel om de doorlooptijd te verkorten. De term "nietvluchtig" betekent dat de gegevens, eenmaal ingevoerd in het data warehouse, niet gewijzigd worden, hoewel verwijderen eventueel wel mogelijk is. De term "historisch" duidt erop dat de gegevens een zekere tijdspanne bestrijken, nodig voor het analyseren van trends. Fig. 2: Schematisch overzicht van data warehousing 20 Cahiers de la documentation Bladen voor documentatie 2006/1
3 Een kort overzicht van Data Warehousing en OLAP Zuiveren Vermits een data warehouse wordt gebruikt in de besluitvorming, is het belangrijk dat de gegevens in het data warehouse correct zijn. Aangezien in een data warehouse grote hoeveelheden gegevens uit verspreide, heterogene gegevensbronnen samengevat worden, bestaat er een reëel gevaar voor fouten en anomalieën. Typische zuiveringsoperaties zijn het invullen van ontbrekende waarden, het corrigeren van typografische fouten en het uniformiseren van synoniemen. Gegevens die duidelijk foutief zijn maar niet kunnen worden gecorrigeerd, worden verwijderd. Integratie en transformatie De gezuiverde gegevens bevinden zich doorgaans nog niet in de vorm vereist door het data warehouse. Integratie omvat het samensmelten van verschillende gegevensbronnen. Een typisch probleem hierbij is het met elkaar in overeenstemming brengen van identificaties van entiteiten: hoe kan men uitmaken dat klant-id in de ene databases naar dezelde entiteit verwijst als kl_nr in de andere? Een ander probleem betreft het doen overeenstemmen van gegevens uitgedrukt in verschillende eenheden: de ene database bevat verkoopcijfers per maand en de andere per week, waarbij een week kan gesplitst zijn over twee maanden. Integratie kan leiden tot nieuwe ongerijmdheden in de gegevens, hetgeen een bijkomende fase van zuivering kan vereisen. Voorbeelden van gegevenstransformaties zijn aggregatie en normalisatie: individuele verkopen kunnen geaggregeerd worden tot dagelijkse verkoopcijfers; de waarde van een variabele kan genormaliseerd worden zodat hij tussen 0 en 1 komt te liggen. Daarom worden incrementele update technieken gebruikt, waarbij wijzigingen in de OLTP databases op regelmatige tijdstippen worden gepropageerd naar het data warehouse. OLAP Gegevenskubus Zoals reeds aangehaald in Sectie 1 slaat OLAP (online analytical processing) op het interactief analyseren van de gegevens in het data warehouse. Dergelijke analyses zijn doorgaans gebaseerd op allerlei overzichtsrapporten, bijvoorbeeld de maandelijkse verkoopcijfers per regio en per product. Men kan zich zo een overzichtsrapport gemakkelijk voorstellen als een kubus: de drie dimensies van de kubus indiceren de maanden, de regio's en de producten; een cel van de kubus met coördinaat <jan 2001, België, Lego> bevat het aantal verkochte stuks Lego in België gedurende januari Ter ondersteuning van OLAP worden de gegevens in het data warehouse dus doorgaans voorgesteld in de vorm van een multidimensio nale matrix of "gegevenskubus". Het zou correcter zijn om te spreken over hyperkubus in plaats van kubus, omdat het aantal dimensies verschillend van drie kan zijn. De dimensies van de kubus corresponderen met onafhankelijke variabelen en de cellen van de kubus bevatten de overeenkomstige waarden voor de afhankelijke variabele(n), ook wel aangeduid als meting(en) (measure(s)). Figuur 3 toont een kubus met drie dimensies dag, Laden en actualiseren (refresh) De gezuiverde, geïntegreerde en Fig. 3: Een gegevenskubus met drie dimensies. getransformeerde gegevens worden vervolgens in het data warehouse geladen. Op dit moment worden indexen gecreëerd nodig om winkel en product; de cellen van de kubus bevatten het aantal verkochte stuks. zoekopdrachten te versnellen. Vermits de informatie in het data warehouse een (sterk bewerkte) kopie is van de gegevens in de OLTP databa- OLAP software biedt doorgaans verschillende mogelijkheden voor de grafische visualisatie van ses, is het nodig om het data de gegevenskubus. Elke cel kan bijvoorbeeld een warehouse op geregelde tijdstippen te actualiseren. Het blokje bevatten waarvan de grootte of de kleurintensiteit is doorgaans te duur om het evenredig is met de numerieke data warehouse daarbij volledig te ledigen en vervol- celwaarde. De dimensies zijn doorgaans gens opnieuw te laden. georganiseerd in hiërarchieën, Fig. 4 : Concept hiërarchieën. die de wijzen vastleggen waar- Cahiers de la documentation Bladen voor documentatie 2006/1 21
4 Een kort overzicht van Data Warehousing en OLAP op de gegevens logisch kunnen worden gegroepeerd. Figuur 4 toont dat dagelijkse cijfers aanleiding geven tot maandelijkse en jaarlijkse totalen; winkels zijn gegroepeerd in regio's, producten in klassen. Rollup: een typische OLAP query Een typische OLAP query geeft voor elke dimensie het niveau aan waarop de gegevens moeten gepresenteerd worden. Figuur 5 toont het antwoord op de query "Geef totale verkoopcijfers per product, regio en maand". Een dergelijke geaggregeerde kubus, berekend uit de basiskubus, wordt ook wel kuboïde genoemd. Fig. 5 : De kuboïde maand region product Het overgaan van een gedetailleerde naar een geaggregeerde kubus wordt aangeduid met de term rollup. OLAP queries kunnen ook een reductie van het aantal dimensies inhouden. De tweedimensionale kuboïde maand product in Figuur 6 geeft maandelijkse verkoopcijfers per product, over alle winkels heen. Uiteraard kan elke kuboïde desgewenst berekend worden uit de basiskubus. Nochtans zullen OLAP systemen op bepaalde vragen anticiperen en kuboïdes reeds op voorhand berekenen en "materialiseren", teneinde antwoordtijden te verminderen. De wijze waarop dit best gebeurt, is een belangrijk onderzoeksthema. Technologische keuze: ROLAP of MO- LAP De technologische uitdaging in OLAP kan ruwweg worden omschreven als het efficiënt ondersteunen van spreadsheet operaties op databases van meerdere gigabytes. Al naargelang de gebruikte technologie kan OLAP software worden bestempeld als ROLAP of MOLAP: ROLAP (relational OLAP) maakt gebruik van bestaande relationele database-technologie; het uitgangspunt van MOLAP (multidimensional OLAP) daarentegen is dat SQL databases weinig geschikt zijn om OLAP te ondersteunen. ROLAP Fig. 7: Een sterschema. Het multidimensionale gegevensmodel dat hoger beschreven werd, kan gemakkelijk geïmplementeerd worden in een conventionele SQL database. De basiskubus wordt gestockeerd in een zogeheten "feitentabel", en de hiërarchieën in "dimensietabellen". Het resulterende schema wordt doorgaans een "sterschema" genoemd. Figuur 7 toont dit voor het lopende voorbeeld. Merk op dat de feitentabel reeds vooraf berekende subtotalen kan bevatten (symbool all). ROLAP servers breiden relationele servers doorgaans uit met gespecialiseerde middleware om de uitvoering van OLAP queries te versnellen. Er worden ook reeds voorstellen geformuleerd om de standaard relationele querytaal SQL uit te breiden met operators ter ondersteuning van OLAP. MOLAP Fig. 6 : De kuboïde maand product. Hoewel OLAP gegevens kunnen gestockeerd worden in relationele databases, geloven velen dat MOLAP een beter alternatief biedt. MOLAP impliceert een multidimensionale database waarbij gegevenskubussen worden gestockeerd in (sparse) matrices. Deze opslagwijze zou efficiënter zijn dan in ROLAP; het nadeel is dat de integratie met bestaande SQL databases moeilijker is. 22 Cahiers de la documentation Bladen voor documentatie 2006/1
5 Een kort overzicht van Data Warehousing en OLAP Data mining In OLAP stuurt de eindgebruiker zelf de analyse: hij kiest de dimensies en afhankelijke variabelen en specificeert de queries. De analist vormt een hypothese en verifieert deze vervolgens met een reeks queries. Een probleem met deze werkwijze is dat de gegevens in het data warehouse vaak onvoldoende begrepen zijn (dit is precies de motivatie om analyses uit te voeren!), zodat het quasi onmogelijk wordt om interessante hypotheses te maken, de juiste gegevenskubus te kiezen en de goede queries te stellen. Het uitgangspunt van data mining is om de kracht van de computer te gebruiken om interessante patronen in de gegevens te onthullen, eerder dan hypothetische patronen te verifiëren. We nemen een probleem van classificatie als voorbeeld. Veronderstel dat we het risico willen inschatten verbonden aan een nieuwe kredietaanvraag. Gebruik makend van historische data warehouse gegevens over achterstallige kredieten, zou een data mining programma de volgende regel kunnen afleiden: "Indien inkomen Euro en anciënniteit 5 jaar dan risico = hoog, anders risico = laag". Het programma ontdekt zelf dat inkomen en anciënniteit het risicobedrag bepalen, eerder dan andere kenmerken zoals leeftijd, opleiding,... Toekomst van data warehousing Data warehousing, OLAP en data mining zijn snel groeiende technologieën. Toekomstige ontwikkelingen kunnen in verschillende richtingen gaan. We wagen ons aan een drietal voorspellingen. Beslissingsondersteunende systemen zullen in de toekomst meer pro-actief worden. Ze zullen niet wachten tot de analist een OLAP of data mining query stelt, maar zullen zelf aan continue zelfanalyse doen. Wanneer het systeem een interessante nieuwe evolutie ontdekt, zal het een waarschuwing zenden naar de gebruiker. De hedendaagse systemen voor data warehousing en data mining zijn vaak ontworpen om te werken voor gelijk welke business. Toekomstige systemen zullen meer gericht zijn op een welbepaalde business, bijvoorbeeld de petroleumsector. Dergelijke business-specifieke systemen zullen meer domeinafhankelijke logica bevatten die de kwaliteit van de analyses zal verhogen. Het data warehouse zal in toenemende mate aangevuld worden met achtergrondinformatie afkomstig uit externe gegevensbronnen, beschikbaar via bijvoorbeeld het Web. Een onderneming heeft geen directe controle over de toegang tot deze externe gegevensbronnen, dit in tegenstelling tot de eigen databases. Standaarden voor gegevensuitwisseling, zoals XML, spelen hierbij een belangrijke rol. Getuigenis De eindverhandeling (3) is illustratief voor de problemen die kunnen gepaard gaan met de invoering van data warehousing en data mining in een onderneming. De onderneming in kwestie beschikt over een tiental belangrijke applicaties, die gebruik maken van database management systemen van een viertal verschillende leveranciers. Het oorspronkelijke opzet van het onderzoek was om door middel van data mining technieken een antwoord te vinden op vragen als: "Wie zijn onze klanten?" en "Met welke service zijn de klanten meest gebaat?". Al spoedig bleek dat data mining onmogelijk zou zijn zonder een grondige "preparatie" (zie sectie 2.3) van de gegevens. Enkele netelige kwaliteitsproblemen waren de volgende: Dubbele registratie van eenzelfde entiteit. Bijvoorbeeld, <RAYTEC, Rue du Commerce 2,...> en <S.A. RAYTEC, 2 Rue du Commerce,...>. Veelvuldig gebruik van de "fourre-tout" code "andere" voor attributen zoals opleiding of beroep. Een ander probleem is dat de codes in verschillende toepassingen niet op elkaar afgestemd zijn. Ontbrekende, onmogelijke of achterhaalde attribuutwaarden. Verdere informatie Mijn persoonlijke ervaring i.v.m. de literatuur over OLAP en data warehousing is dat sommige documenten op het Web interessanter en actueler zijn dan heel wat boeken. De Web site < bevat een interessant overzicht van wetenschappelijk onderzoek in data warehouses en OLAP; de site bevat ook links naar white papers geschreven door commerciële software leveranciers. Referentie (1) geeft een degelijk overzicht van data warehousing en data mining. Referentie (4) is een goed boek over data mining. In tegenstelling tot de database-industrie, is de OLAP-markt vandaag de dag sterk gefragmenteerd, zonder dominante spelers. De Web site < bevat interes- Cahiers de la documentation Bladen voor documentatie 2006/1 23
6 Een kort overzicht van Data Warehousing en OLAP sante informatie over de OLAP-markt. De Web site van KDnuggets < geeft een overzicht van data mining software. Bibliografie Université de Mons-Hainaut Bâtiment «Le Pentagone» Avenue du Champ de Mars, Mons Jef.Wijsen@umh.ac.be 17 januari Han, J. ; Kamber, M. Data Mining: Concepts and Techniques, 2nd ed. San Francisco : Elsevier/Morgan Kaufmann, 2005, 800 p. 2. Inmon, W. Building the Data Warehouse 2nd ed, New-York : Wiley, Van Puyvelde, H. De l'information opérationnelle à l'intelligence décisionnelle par le data mining - Étude de faisabilité appliquée au cas d'un service public. Master's thesis, Université de Mons-Hainaut, Witten, I. ; Frank, E. Data Mining: Practical Machine Learning Tools and Techniques, 2nd ed., San Francisco : Elsevier/Morgan Kaufmann, 2005, 560 p. Deze studie bevestigt wat verschillende auteurs vermelden: dat vaak 80% of meer van de inspanningen in een data mining project besteed wordt aan het prepareren van de gegevens. Nota s 1. Een query is een vraag gesteld aan een databasesysteem in een bepaalde gegevensopvraagtaal. 24 Cahiers de la documentation Bladen voor documentatie 2006/1
OLAP.
OLAP joost.vennekens@kuleuven.be Toepassingen Waarom? Trouwe klanten belonen Gegevens verzamelen Facebook model Waarom? Grote databank Produkten Produkten - winkels Produkten - produkten Klanten Klanten
Nadere informatieSelf Service BI. de business
BI in de praktijk Self Service BI Breng de kracht van BI naar de business Luc Alix Sogeti Nederland B.V. Redenen voor Business Intelligence Sneller kunnen beslissen 42 % Beter kunnen beslissen 42 % Concurrentieel
Nadere informatieDatamining: Graven in gegevens
Datamining: Graven in gegevens Business Intelligence in de praktijk Jasper Lansink CMG Noord Nederland - Advanced Technology Agenda Business Intelligence Datamining theorie Datamining in de praktijk management
Nadere informatieInformatie Systeem Ontwikkeling ISO 2R290
Informatie Systeem Ontwikkeling ISO 2R290 docent: Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. doel van dit vak kennis van en inzicht in basisbegrippen over informatiesystemen
Nadere informatieBusiness Intelligence. Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI
Business Intelligence Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI Toepassing BI (Operationele) sturing Financieel (BBSC) Performance NIET voor ondersteuning proces
Nadere informatieTechnisch Ontwerp W e b s i t e W O S I
Technisch Ontwerp W e b s i t e W O S I WOSI Ruud Jungbacker en Michael de Vries - Technisch ontwerp Website Document historie Versie(s) Versie Datum Status Omschrijving / wijzigingen 0.1 20 nov 2008 Concept
Nadere informatieOnline analytical processing
Online analytical processing gebruik van databanken bij het nauwkeurig beheren van actuele gegevens in een operationele toepassing database technieken ook gebruikt om strategische beslissingen te laten
Nadere informatieToekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving
Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving Kurt.Merchiers@colruytgroup.com Functioneel Analist Roel.Van.Assche@sas.com Consultant Agenda Vervanging van de
Nadere informatieZelftest Java EE Architectuur
Zelftest Java EE Architectuur Document: n1218test.fm 22/03/2012 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INLEIDING BIJ DE ZELFTEST JAVA EE ARCHITECTUUR Nota:
Nadere informatieMagnutude 2012 Efficient BI. 18 september Joost de Ruyter van Steveninck
Magnutude 2012 Efficient BI 18 september Joost de Ruyter van Steveninck 2 Inhoud Is BI nog niet efficiënt? Trends in BI Efficient BI: de trends in praktijk 3 Feedback van de gebruiker Informatie behoefte
Nadere informatieIncore Solutions Learning By Doing
Incore Solutions Learning By Doing Incore Solutions Gestart in November 2007 Consultants zijn ervaren met bedrijfsprocessen en met Business Intelligence Alle expertise onder 1 dak voor een succesvolle
Nadere informatieConceptueel Modelleren GEÏNTEGREERD DATA MODELLEREN MET DEMO EN DATA VAULT
Conceptueel Modelleren GEÏNTEGREERD DATA MODELLEREN MET DEMO EN DATA VAULT Introductie Wineke Sloos BSc Taal & Kunstmatige Intelligentie @ Tilburg University MSc Information Management @ Tilburg University
Nadere informatieWorkflows voor SharePoint met forms en data K2 VOOR SHAREPOINT
Slimmer samenwerken met SharePoint Workflows voor SharePoint met forms en data K2 VOOR SHAREPOINT Workflows, forms, reports en data WAAROM KIEZEN VOOR K2? Of u nu workflows moet maken voor items in SharePoint
Nadere informatieEIGENSCHAPPEN CONVERGED HARDWARE
EIGENSCHAPPEN CONVERGED HARDWARE Eigenschappen Converged Hardware 1 van 8 Document Informatie Versie Datum Omschrijving Auteur(s) 0.1 29-09-2015 Draft Remco Nijkamp 0.2 29-09-2015 Volgende Versie opgesteld
Nadere informatieMA!N Rapportages en Analyses
MA!N Rapportages en Analyses Auteur Versie CE-iT 1.2 Inhoud 1 Inleiding... 3 2 Microsoft Excel Pivot analyses... 4 2.1 Verbinding met database... 4 2.2 Data analyseren... 5 2.3 Analyses verversen... 6
Nadere informatieOpenText RightFax. Intuitive Business Intelligence. Whitepaper. BI/Dashboard oplossing voor OpenText RightFax
OpenText RightFax Intuitive Business Intelligence Whitepaper BI/Dashboard oplossing voor OpenText RightFax Beschrijving van de oplossing, functionaliteit & implementatie Inhoud 1 Introductie 2 Kenmerken
Nadere informatieData Warehouse. Een introductie. Algemene informatie voor medewerkers van SYSQA B.V.
Data Warehouse Een introductie Algemene informatie voor medewerkers van SYSQA B.V. Organisatie SYSQA B.V. Pagina 2 van 9 Inhoudsopgave 1 INLEIDING... 3 1.1 ALGEMEEN... 3 1.2 VERSIEBEHEER... 3 2 DOEL VAN
Nadere informatieTurn Knowledge into Workplace Performance
Turn Knowledge into Workplace Performance Agenda Agenda 1. Introductie 2. Business issues bij software implementaties of upgrades 3. tts oplossing Veranderingen Problemen vanuit bedrijfsperspectief Veranderingsprocessen
Nadere informatieTechnische keuzes Management Informatie Systeem MeanderGroep
Technische keuzes Management Informatie Systeem MeanderGroep Dit document beschrijft de keuzes die gedaan worden ten aanzien van de hard en software voor het Management Informatie Systeem. Voor de presentatielaag
Nadere informatieProactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit
Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit Beheer kan efficiënter en met hogere kwaliteit Leveranciers van beheertools en organisaties die IT-beheer uitvoeren prijzen
Nadere informatieZelftest Informatica-terminologie
Zelftest Informatica-terminologie Document: n0947test.fm 01/07/2015 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTIE Deze test is een zelf-test, waarmee u
Nadere informatieInhoud: Inleiding tot Taak 1.1.14 1 Omschrijving van vacatures 2 Matrix van benodigde 5 Bronvermeldingen 7
Inleiding Taak 10 gaat over het oriënteren op het vakgebied van onze toekomst. Als we straks afgestudeerd zijn zullen we automatisch werk moeten gaan zoeken. Maar welk werk of in welke sector? Dat gaan
Nadere informatieNOTA: Update van de IATI-standaard
NOTA: Update van de IATI-standaard Omschakeling van versie 2.02 naar 2.03 1. INLEIDING De IATI-standaard is een levend gegeven dat evolueert in de tijd. De standaard wordt regelmatig geactualiseerd, onder
Nadere informatieHaaglanden Medisch Centrum
Cloud oplossing in Haaglanden Medisch Centrum 26 september 2016 Agenda I. Introductie Haaglanden MC II. Situatieschets (voor implementatie) III. Probleemstelling huidige situatie IV. Doelstelling V. Pakket
Nadere informatieHet belang van. Data Modellering. GEMINIT Training. Data Modellering. Frédéric BARBIER
Het belang van Data Modellering Studiedag Informatiemanagement Politeia, 22 februari 2013, Gent Open data en de cloud: een revolutie in de informatiehuishouding van de overheid Training Data Modellering
Nadere informatieEnterprise Resource Planning. Hoofdstuk 4 ERP-systemen: verkoop en marketing. Pearson Education, 2007; Enterprise Resource Planning door Mary Sumner
Enterprise Resource Planning Hoofdstuk 4 ERP-systemen: verkoop en marketing Pearson Education, 2007; Enterprise Resource Planning door Mary Sumner Leerdoelstellingen Inzicht krijgen in de werking van de
Nadere informatieAVEBE haalt online én offline informatie uit Microsoft Dynamics CRM
AVEBE haalt online én offline informatie uit Microsoft Dynamics CRM AVEBE ontwikkelt en verkoopt zetmeelproducten op wereldwijde schaal. Het verkoopteam werkte met een gefragmenteerde CRM (Customer Relationship
Nadere informatieTools voor canonieke datamodellering Bert Dingemans
Tools voor canonieke datamodellering Tools voor canonieke datamodellering Bert Dingemans Abstract Canonieke modellen worden al snel omvangrijk en complex te beheren. Dit whitepaper beschrijft een werkwijze
Nadere informatieTechnische nota AbiFire5 Rapporten maken via ODBC
Technische nota AbiFire5 Rapporten maken via ODBC Laatste revisie: 29 juli 2009 Inhoudsopgave Inleiding... 2 1 Installatie ODBC driver... 2 2 Systeeminstellingen in AbiFire5... 3 2.1 Aanmaken extern profiel...
Nadere informatieTaxis Pitane SQL beheerder. Censys BV - Eindhoven
Taxis Pitane SQL beheerder Censys BV - Eindhoven Inhoud Wat is Taxis Pitane SQL beheerder?... 3 Kenmerken van de software... 3 De juiste SQL server editie voor uw organisatie... 3 SQL Server 2008 Express...
Nadere informatieI N H O U D V l a a m s M i n i s t e r - p r e s i d e n t K r i s P e e t e r s
5 I N H O U D Lijst van figuren 15 Lijst met tabellen 23 Voorwoord Vlaams Minister-president Kris Peeters 25 Dankwoord Inleiding Organisatie van dit boek Deel I Uitdagingen en definities van performance
Nadere informatieDATAMODELLERING CRUD MATRIX
DATAMODELLERING CRUD MATRIX Inleiding In dit whitepaper wordt de datamodelleervorm CRUD Matrix beschreven. Deze modelleervorm staat in verhouding tot een aantal andere modelleervormen. Wil je een beeld
Nadere informatieBusiness Intelligence White Paper
Business Intelligence White Paper Voorkeursarchitectuur voor een data warehouse Een white paper over het juist kiezen van een startarchitectuur BICONOMICS services biedt diverse diensten aan rondom het
Nadere informatieMolapse: Poor man s MOLAP
Molapse: Poor man s MOLAP Freark van der Berg, (s0139971) f.i.vanderberg@student.utwente.nl Robert Dahmen, (s0113093) r.j.dahmen@student.utwente.nl Harold Bruintjes, (s0141844) h.y.bruintjes@student.utwente.nl
Nadere informatieSmart Automation, Quality and IT Excellence Solutions - our experience, your success. Versie
Versie 2.5 Page 1 Maak van een oceaan vol gegevens Essential Intelligence Maak van uw operationele data belangrijke KPI s, genereer besluitvormingsrapporten en voer kritieke data-analyses uit met. Manufacturing
Nadere informatienformatie toegang tot de wereldwijde database van D&B nnovatief nieuw platform met veel extra functionaliteiten nteractief werk samen met collega s
nformatie toegang tot de wereldwijde database van D&B nnovatief nieuw platform met veel extra functionaliteiten nteractief werk samen met collega s ndividueel bekijk alleen dat wat u zelf wilt zien n control
Nadere informatieT-Mobile Netherlands BV
Juryrapport T-Mobile Netherlands BV Deelname Data Quality Award 2010 Deelnemers Naam: Jos Leber Functie: Sr. Data Manager Inleiding De case van T-Mobile is primair gericht op de kwaliteit van de master
Nadere informatieInleiding. De redenen voor deze stelling zijn gelegen in de keuzes die de BI- of CPM-leverancier heeft gemaakt bij het ontwikkelen van het product:
DÉ software oplossing voor budgetteren, rapportages, analyses en consolidatie White Paper OLCAP Technologie professional Inleiding Corporate Performance Management (CPM) en Business Intelligence (BI) zijn
Nadere informatieLeerjaar 1/2 ICT-Academie. Niveau 4. Applicatie ontwikkeling
Databases SQL Leerjaar 1/2 ICT-Academie Niveau 4 Applicatie ontwikkeling Auteur: R. Meijerink Datum: Januari 2013 0. Inleiding Databases / SQL In deze lessen wordt je geleerd databases te bouwen in SQL-code.
Nadere informatieinformatie onder controle internationaal
informatie innovatief interactief individueel onder controle internationaal Wat? Applicatie om onderbouwde, efficiënte en doordachte beslissingen te nemen Waarom? Bij iedere actie die u onderneemt op een
Nadere informatieSparse columns in SQL server 2008
Sparse columns in SQL server 2008 Object persistentie eenvoudig gemaakt Bert Dingemans, e-mail : info@dla-os.nl www : http:// 1 Content SPARSE COLUMNS IN SQL SERVER 2008... 1 OBJECT PERSISTENTIE EENVOUDIG
Nadere informatieVariability in Multi-tenant SaaS Applications:
Variability in Multi-tenant SaaS Applications: Gastcollege voor het vak Product Software Jaap Kabbedijk, MSc. Universiteit Utrecht, Nederland 1 Wat gaan we behandelen? Introductie Uitleg ontwikkeling SaaS
Nadere informatieBusiness Process Management
Business Process Management Daniël van der Perren 7-12-2009 Business Process Management Inhoud Business Process Management... 3 Maar wat is nu een Process?... 4 Wat is een Business Process?... 5 Wat is
Nadere informatieOP KOERS NAAR EEN DATAGEDREVEN ORGANISATIE?
OP KOERS NAAR EEN DATAGEDREVEN ORGANISATIE? THE FULL STORY Dit artikel verscheen ook in The full story. Een luchtig boek waarmee managers, ondernemers en professionals drie vliegen in één klap slaan. Je
Nadere informatieKIM. Slimme acties ondernemen
KIM Slimme acties ondernemen CONTROLE KWIJT? Herkent u dit soort ervaringen ook? Uw organisatie heeft allerlei systemen in huis, maar Niemand weet echt meer hoe het systeem exact werkt Voor kleine wijzigingen
Nadere informatieVOORWOORD...4 1 INLEIDING...5
Inhoudsopgave VOORWOORD...4 1 INLEIDING...5 1.1 PROBLEEMSTELLING...5 1.2 DATA WAREHOUSES...6 1.3 TYPE INFORMATIE IN EEN DATA WAREHOUSE...7 1.4 ONTWERPEN VAN EEN DATA WAREHOUSE...7 1.4.1 Waarom redundantie
Nadere informatieResearch & development
Research & development Publishing on demand Workflow ondersteuning Typesetting Documentproductie Gespecialiseerd document ontwerp Web ontwerp en onderhoud Conversie Database publishing Advies Organisatie
Nadere informatieHet Analytical Capability Maturity Model
Het Analytical Capability Maturity Model De weg naar volwassenheid op het gebied van Business Intelligence. WHITEPAPER In deze whitepaper: Wat is het Analytical Capability Maturity Model (ACMM)? Een analyse
Nadere informatieWorkshop 3x. Normaliseren. Normaliseren. Hiëarchische database ODBMS. Relationele database. Workshop 14 oktober 2010. A. Snippe ICT Lyceum 1
Workshop 3x Analytisch vermogen Huiswerk Lestijden 10:00 12:30 Pauze 10:15 10:30 Deze les: Hiëarchische database Relationele database ODBMS Normaliseer stappen Hiëarchische database Elk record in een database
Nadere informatieFactsheet KICKSTARTERS Mirabeau
Factsheet KICKSTARTERS Mirabeau KICKSTARTERS We lanceren binnen twee maanden een nieuw digitaal platform waarmee u in hoog tempo business value genereert. De digitale transformatie is in volle gang. Consumenten
Nadere informatieAPEX verhoogt flexibiliteit, vermindert complexiteit
Reference case: APEX verhoogt flexibiliteit, vermindert complexiteit BASF Antwerpen kiest resoluut voor de combinatie van Oracle APEX en iadvise. Het bedrijf schuift daarbij niet alleen de gebruiksvriendelijkheid
Nadere informatieHet is een verticaal geïntegreerd bedrijf, dat zowel actief is in de productie van grondstoffen en halffabrikaten als van afgewerkte producten.
Referenties Beaulieu International Group De klant Beaulieu International Group is een Belgische industriële groep die ontstond in de zomer van 2005 uit de fusie van vijf zelfstandige takken van de voormalige
Nadere informatieInformatie & Databases
Informatie Wat is informatie en waaruit het bestaat? Stel op een kaart staat het getal 37 geschreven. Wat kun je dan zeggen van het cijfer 37? Niets bijzonders, toch? Alleen dat het een getal is. Gaat
Nadere informatieLes 10 : Aanmaken van een database (deel2).
Les 10 : Aanmaken van een database (deel2). Wat is een database? Een centrale opslagruimte voor gegevens. Alle informatie wordt centraal opgeslagen en kan door iedereen geraadpleegd worden. Voordelen van
Nadere informatieICT Management. Leerprocessen en hun invloed op de kwaliteit van IT-servicemanagement. Kortere terugverdientijd door het versnellen van het leerproces
ICT Management Kortere terugverdientijd door het versnellen van het leerproces Leerprocessen en hun invloed op de kwaliteit van IT-servicemanagement SOLUTIONS THAT MATTER 1 Kortere terugverdientijd door
Nadere informatieBusiness Proces en Social Media
Business Proces en Social Media G L O M I D C O 1 1 1.1 Inleiding Social media zoals Facebook, LinkedIn en Twitter hebben een stormachtige ontwikkeling doorgemaakt. Sterker nog, ze zijn niet meer weg te
Nadere informatieBUSINESS CASE. Datamigratiespecialist T2S begeleidt Veenman bij ERP-implementatie
BUSINESS CASE Datamigratiespecialist T2S begeleidt Veenman bij ERP-implementatie Veenman, leverancier van afdrukapparatuur en document management oplossingen, heeft in 2012 succesvol het nieuwe ERP-systeem
Nadere informatieExamen VWO - Compex. wiskunde A1
wiskunde A1 Examen VWO - Compex Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei totale examentijd 3 uur 20 05 Vragen 14 tot en met 21 In dit deel staan de vragen waarbij de computer
Nadere informatieRapport over het werkprofiel van Software engineer (sr)
Rapport over het werkprofiel van Software engineer (sr) Identificatienummer: Publicatiedatum: 19 november 2015 Leeswijzer Dit rapport omschrijft het werkprofiel van 'Software engineer (sr)' zoals die door
Nadere informatieEnterprise Resource Planning
Enterprise Resource Planning Hoofdstuk 2 Re-engineering en systemen voor Enterprise Resource Planning Pearson Education, 2007; Enterprise Resource Planning door Mary Sumner Leerdoelstellingen De factoren
Nadere informatieSoftware Test Plan. Yannick Verschueren
Software Test Plan Yannick Verschueren Maart 2015 Document geschiedenis Versie Datum Auteur/co-auteur Beschrijving 1 November 2014 Yannick Verschueren Eerste versie 2 December 2014 Yannick Verschueren
Nadere informatieWaarom deelnemen aan een ICT project voor KMO s? Business aliniëren met ICT. Chris Block 5/3/12
Waarom deelnemen aan een ICT project voor KMO s? Business aliniëren met ICT Chris Block 5/3/12 De KMO heeft veel vraagtekens over ICT Onze informatica is onvoldoende aangepast aan onze bedrijfsvoering
Nadere informatieProcestool; sleutel tot succes?
Procestool; sleutel tot succes? Gerard Hebenaar Gerard Hebenaar Adviesgilde 1 Even voorstellen.. Gerard Hebenaar Bedrijfskunde Adviesvaardigheden 15 jaar ervaring in de consultancy Verkoop en advies van
Nadere informatieDO YOUR CUSTOMERS FEEL SPECIAL? The new customer loyalty experience by
DO YOUR CUSTOMERS FEEL SPECIAL? geautomatiseerd relevant gericht Autoconnect CARE staat voor geautomatiseerd communiceren met uw klanten. Zo informeert u uw klant over zijn wagen, over uw bedrijf en over
Nadere informatieE-resultaat aanpak. Meer aanvragen en verkopen door uw online klant centraal te stellen
E-resultaat aanpak Meer aanvragen en verkopen door uw online klant centraal te stellen 2010 ContentForces Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie,
Nadere informatieWereld in transitie. Drivers en trends
Wereld in transitie Drivers en trends Batterij vereisten Uitdagingen Veiligheid GRID EV ELECTRONICA Lange levensduur Hoge energiecapaciteit Snel laden Goedkoop Duurzaam 3 @VITO/EnergyVille Missie Doel:
Nadere informatieAandachtspunten bij de transitie naar een Big Data-omgeving
Aandachtspunten bij de transitie naar een Big Data-omgeving Organisaties worden steeds meer voor de uitdaging gesteld om grote volumes aan data te verwerken en op te slaan. Het gemiddelde volume aan data
Nadere informatieCOMMISSIE VOOR BOEKHOUDKUNDIGE NORMEN. Technische nota 2017/XX - Definiëring van EBIT / EBITDA na omzetting van de accounting richtlijn
COMMISSIE VOOR BOEKHOUDKUNDIGE NORMEN Technische nota 2017/XX - Definiëring van EBIT / EBITDA na omzetting van de accounting richtlijn Ontwerp technische nota van 15 maart 2017 1. In hetgeen volgt wenst
Nadere informatieNIS Notarieel Informatie Systeem
NIS UPDATE RELEASE Q1-2014 NIS Notarieel Informatie Systeem Sportlaan 2h, 818 BE Heerde T (0578) 693646, F (0578) 693376 www.vanbrug.nl, info@vanbrug.nl 2014 Van Brug Software B.V. Niets uit deze opgave
Nadere informatieApplication interface. service. Application function / interaction
Les 5 Het belangrijkste structurele concept in de applicatielaag is de applicatiecomponent. Dit concept wordt gebruikt om elke structurele entiteit in de applicatielaag te modelleren: softwarecomponenten
Nadere informatieHaal het beste uit uw gegevens met geïntegreerde Business Intelligence
Exact Insights powered by QlikView Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Met Exact Insights zet u grote hoeveelheden data moeiteloos om in organisatiebrede KPI s en trends.
Nadere informatiestudie waarmee we de principes van de analyse willen demonstreren. Een volledig beschrijving van de algoritmen en de resultaten zijn te vinden in
Bio-informatica kan omschreven worden als het toepassen van algoritmen om meerwaarde te verkrijgen uit data afkomstig van biomedisch en/of biologisch onderzoek. In bio-informatica wordt onderzoek gedaan
Nadere informatieEXAMEN juni 2016 Gegevensbanken
EXAMEN juni 2016 Gegevensbanken 8 juni 2016 14.00 u. Het examen bestaat uit twee vragen die schriftelijk uitgewerkt worden. Instructies a. De vragen moeten worden opgelost in de volgorde waarin ze genummerd
Nadere informatiePortability, Interoperability of toch maar Connectivity Portability, Interoperability of toch maar Connectivity.
Portability, Interoperability of toch 1 Even Voorstellen Diploma s: 1980 Bachelor of Science Civil Engineering (Cairo, Egypte) 1986 Doctoraal in Geodesie (TU Delft, Nederland) Enige Automatiseringservaring:
Nadere informatieInvloed van IT uitbesteding op bedrijfsvoering & IT aansluiting
xvii Invloed van IT uitbesteding op bedrijfsvoering & IT aansluiting Samenvatting IT uitbesteding doet er niet toe vanuit het perspectief aansluiting tussen bedrijfsvoering en IT Dit proefschrift is het
Nadere informatieBusiness Process Management
Business Process Management Prof. dr. Manu De Backer Universiteit Antwerpen Katholieke Universiteit Leuven Hogeschool Gent Wat is een bedrijfsproces? Een verzameling van (logisch) gerelateerde taken die
Nadere informatieMODULEBESCHRIJVING Databases DBS1
MODULEBESCHRIJVING Databases DBS1 Samensteller(s): Richard van den Ham Datum: 30-08-2012 Versie: 1.0 Module: Databases Identificatie Progresscode: DBS1 Semester: 1 Omvang: 140 SBUs/ 5 ECTS-punten Lestijd:
Nadere informatieNaam: Draaiboek decentrale implementatie PAUW en Tridion
Programma Aanpak Universitaire Website (PAUW) Draaiboek decentrale implementatie PAUW en Tridion Inleiding In het kader van het Programma Aanpak Universitaire Website (PAUW) is afgesproken dat alle decentrale
Nadere informatieEnterprise warehouse architectuur Het definiëren van een informatiearchitectuur in de praktijk.
Enterprise warehouse architectuur Het definiëren van een informatiearchitectuur in de praktijk. Inleiding Over datawarehousing wordt veel geschreven vanuit de toepassing en helaas minder vanuit de architectuur.
Nadere informatieAfstudeeropdracht bachelor informatica
Webgebaseerde ontsluiting loggegevens van IDEAS Afstudeeropdracht bachelor informatica David Beniers, Anand Mandhre, Michiel van Kempen Bastiaan Heeren, Harold Pootjes Inhoud Opdracht IDEAS Aanpak Taakverdeling
Nadere informatieMeerdere warehouse implementaties te kostbaar?
Your solution partner for growth Meerdere warehouse implementaties te kostbaar? 12 April 2016 Arjan Kühl AGENDA Introductie Probleemstelling Template WMS implementatie Methodiek Scenarios Technische Oplossing
Nadere informatieSMART automation. Met de A.B. Entiteiten Interface. Ger Bos
SMART automation Met de A.B. Entiteiten Interface Ger Bos Agenda Inleiding Wat is SMART automation Tools voor SMART automation A.B. Entiteiten Interface Alternatieven De praktijk van SMART automation Wat
Nadere informatieTemperatuur logger synchronisatie
Temperatuur logger synchronisatie Juni 10, 2010 1 / 7 Temperatuur logger synchronisatie Introductie Twee of meerdere ontvangers van het Multilogger systeem kunnen met de temperature logger synchronisatie
Nadere informatieProces to model en model to execute
Proces to model en model to execute Een end-to-end (bedrijfs)proces (figuur 1) is het geheel van activiteiten die zich, op een bepaalde plaats door een bepaalde rol, in bepaalde volgorde opvolgen en waarvan
Nadere informatieFile Check B2C Handleiding
File Check B2C Handleiding 1 P a g e Inhoudstafel 1. Algemene informatie... 3 2. Gebruiksaanwijzing... 3 a. Stap 1 : Registratie... 4 b. Stap 2: Login... 5 c. Stap 3 : Een nieuwe audit maken... 6 d. Stap
Nadere informatieIn 3 stappen naar de juiste keuze voor marketing software
In 3 stappen naar de juiste keuze voor marketing software 4orange, 2014 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Hoe kunnen de juiste keuzes voor marketing software gemaakt worden? In
Nadere informatieBekaert harmoniseert SAP documentatie voor 7,000 IT gebruikers
SUCCESVERHAAL Bekaert harmoniseert SAP documentatie voor 7,000 IT gebruikers Dankzij tt performance suite hebben alle 7,000 Bekaert IT gebruikers nu snel toegang tot eenduidige en actuele online handleidingen
Nadere informatieSoftware Test Plan. Yannick Verschueren
Software Test Plan Yannick Verschueren November 2014 Document geschiedenis Versie Datum Auteur/co-auteur Beschrijving 1 November 2014 Yannick Verschueren Eerste versie 1 Inhoudstafel 1 Introductie 3 1.1
Nadere informatieBusiness Intelligence www.globalservices.be www.sap-training.be
Business Intelligence www.globalservices.be www.sap-training.be Global Services + Business Intelligence = perfect match! Het concept Wenst u ook sneller inzicht in beleidsinformatie, rapportering en cijfers?
Nadere informatieAFO 653 RSS Nieuwsfeeds
AFO 653 RSS Nieuwsfeeds 653.1 Inleiding 653.1.1 Wat zijn RSS News Feeds en hoe worden ze in Vubis Smart gebruikt? RSS News Feeds RSS (Really Simple Syndication) is een XML-gebaseerd formaat voor het distribueren
Nadere informatieBig Data: wat is het en waarom is het belangrijk?
Big Data: wat is het en waarom is het belangrijk? 01000111101001110111001100110110011001 Hoeveelheid 10x Toename van de hoeveelheid data elke vijf jaar Big Data Snelheid 4.3 Aantal verbonden apparaten
Nadere informatiePUBLIATO. Gebruikershandleiding van de online applicatie
PUBLIATO Gebruikershandleiding van de online applicatie 01/06/2015 Inhoudstafel Algemene structuur van de toepassing... 3 Een arbeidsongeval aangeven... 4 Invullijst... 5 Verificatieknop... 6 Tooltips
Nadere informatieTechnische nota AbiFire Rapporten maken via ODBC
Technische nota AbiFire Rapporten maken via ODBC Laatste revisie: 23 januari 2018 Inhoudsopgave 1 Inleiding... 2 2 Systeeminstellingen in AbiFire... 3 2.1 Aanmaken extern profiel... 3 2.2 Toewijzing extern
Nadere informatieEen Inleiding tot Software Engineering. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 1 Slide 1
Een Inleiding tot Software Engineering Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 1 Slide 1 Software engineering De economie is compleet afhankelijk van software. Meer en meer systemen
Nadere informatieBegrippenlijst Inzicht in de wereld van big data, marketing en analyse
Begrippenlijst Inzicht in de wereld van big data, marketing en analyse 4orange, 13 oktober 2015 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Inhoud Achtergrond & Aanleiding... 3 A... 3 B...
Nadere informatieQlik Sense Healthcare. Document 16052
Qlik Sense Healthcare Document 16052 Inhoud 1. Introductie... 3 1.1 Qlik Sense... 3 1.2 Qlik Sense Healthcare... 3 1.3 Qlik Sense als product... 3 2 Overview healthcare module... 4 2.1 De opbouw van de
Nadere informatieIn 3 stappen naar de juiste keuze voor marketing software
In 3 stappen naar de juiste keuze voor marketing software 4orange, 2014 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Hoe kunnen de juiste keuzes voor marketing software gemaakt worden? In
Nadere informatieWie? Advanced Databases blok 4 2011. DB vs IR. Wat? Canonical application (DB) Canonical application (DB)
Advanced Databases blok 4 2011 Wie? Hans Philippi: docent/practicumleider René Kersten: assistent bij practicum Hans Philippi 1 2 Wat? DB vs IR 2005 XML (Siebes) 2007 Google ranking (Siebes) 2009/2011
Nadere informatieHandelsregeling Online Handleiding
U bepaalt graag zelf bij wie en op welke manier u uw bloemen en planten inkoopt en verkoopt. Dat snappen we. Daarom kunt u uw aankopen via Royal FloraHolland heel eenvoudig doorverkopen aan uw collegainkopers.
Nadere informatie